基于区域匹配度的拉普拉斯金字塔图像融合算法
摘 要：针对传统拉普拉斯金字塔算法在图像融合过程中会引入噪声且易丢失细节的问题，提出一种基于区域匹配度的改进拉普拉斯图像融合算法。首先对待拼接的源图像进行拉普拉斯金字塔分解，得到源图像对应的拉普拉斯图像金字塔。然后针对不同分解层的图像，求得待拼接点对应源图像分解层的区域匹配度。根据匹配度获得融合系数，依据融合系数对不同源图像的同一分解层进行融合，得到融合后的拉普拉斯图像金字塔。最后对融合后的拉普拉斯图像金字塔进行重构得到最终的融合图像。实验结果表明，与传统拉普拉斯金字塔与小波变换算法相比，本文算法较好的保留的图像细节信息和抑制了图像融合噪声，融合图像质量得到提高，融合效果得到改善。
关键词：图像融合；拉普拉斯金字塔；图像重构；匹配度
0前言
图像拼接技术是将若干具有重叠区域的图像按照一定规则拼接成一副广视角的无缝高分辨率全景图的技术[1]。使用普通相机获取宽视角图像时，拍摄角度越大，得到的图像分辨率就越低。而全景相机、广角镜头等不仅非常昂贵，而且图像失真也比较严重。为了在不降低图像分辨率的条件下获取超宽视角甚至的全景图，利用计算机进行的图像拼接与融合技术出现并发展起来[3-4]。
图像融合技术就是将经过空间坐标对齐后的两幅图像的每个像素利用某种融合算法分配新的坐标和灰度信息，实现图像的合成拼接[4]。通过图像融合技术可以有效地综合各传感器的互补优势，最大限度的获取对目标或场景信息的完整描述，从而有利于对物理现象和事件进行定位、识别和解释[5]。图像融合技术按融合时采用的信息属性由低到高可以分为三个层次：像素级融合、特征级融合、决策级融合[6]。像素级融合是指直接对传感器采集来的数据进行处理而获得融合图像的过程，它是所有高层次融合算法的基础，它能够最大层度地保留原始数据提供其他高层次融合算法所不能提供的图像细微信息，因此成为目前图像融合研究的重点之一[7-8]。像素级图像融合的方法主要分为空间域和变换域两类。空间域方法对源图像的每个像素点灰度值进行融合，融合方法简单，但融合效果相对较差[9]。由于人类视觉系统对图像的边缘信息较为敏感，使变换域的融合方法逐步替代了空间域的融合方法。变换域的图像融合方法主要有两类：基于金字塔变换的融合算法和基于小波变换的融合算法[10]。经典拉普拉斯金字塔图像融合算法可以得到无明显拼接缝隙的融合图像，但易引入噪声和丢失细节，本文基于传统的...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
